数据结构——图graph（基础概念）

Posted 2023-03-24

tags:

篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了数据结构——图graph（基础概念）相关的知识，希望对你有一定的参考价值。

参考技术A 【各种东拼西凑来的】

图(Graph)是由顶点和连接顶点的边构成的离散结构。在计算机科学中，图是最灵活的数据结构之一，很多问题都可以使用图模型进行建模求解。例如：生态环境中不同物种的相互竞争、人与人之间的社交与关系网络、化学上用图区分结构不同但分子式相同的同分异构体、分析计算机网络的拓扑结构确定两台计算机是否可以通信、找到两个城市之间的最短路径等等。

图的结构很简单，就是由顶点$V$集和边$E$集构成，因此图可以表示成$G=(V, E)$。

注意：顶点有时也称为节点或者交点，边有时也称为链接。

无向图

我们可以说这张图中，有点集$V=\1, 2, 3, 4, 5, 6\$，边集$E=\(1, 2), (1, 5), (2, 3), (2, 5), (3, 4), (4, 5), (4, 6)\$。在无向图中，边$(u, v)$和边$(v, u)$是一样的，因此只要记录一个就行了。简而言之，对称。

有向图

也很好理解，就是加上了方向性，顶点$(u, v)$之间的关系和顶点$(v,u)$之间的关系不同，后者或许不存在。例如，地图应用中必须存储单行道的信息，避免给出错误的方向。

加权图：

权：与图的边或弧相关的数叫做权。

与加权图对应的就是无权图，或叫等权图。如果一张图不含权重信息，我们就认为边与边之间没有差别。不过，具体建模的时候，很多时候都需要有权重，比如对中国重要城市间道路联系的建模，总不能认为从北京去上海和从北京去广州一样远(等权)。

还有很多细化的概念，比如：无向图中，任意两个顶点间都有边，称为无向完全图；加权图起一个新名字，叫网(network) ……然而，如无必要，毋增实体。

邻接(adjacency) ：邻接是两个顶点之间的一种关系。如果图包含$(u,v)$，则称顶点$v$与顶点$u$邻接。当然，在无向图中，这也意味着顶点$u$与顶点$v$邻接。

关联(incidence) ：关联是边和顶点之间的关系。在有向图中，边$(u,v)$从顶点$u$开始关联到$v$，或者相反，从$v$关联到$u$。注意，有向图中，边不一定是对称的，有去无回是完全有可能的。细化这个概念，就有了顶点的入度(in-degree) 和出度(out-degree) 。无向图中，顶点的度就是与顶点相关联的边的数目，没有入度和出度。在有向图中，我们以图1-2为例，顶点10有2个入度，$3\rightarrow10$，$11\rightarrow10$，但是没有从10指向其它顶点的边，因此顶点10的出度为0。

路径(path) ：依次遍历顶点序列之间的边所形成的轨迹。注意，依次就意味着有序，先1后2和先2后1不一样。

简单路径 : 没有重复顶点的路径称为简单路径。说白了，这一趟路里没有出现绕了一圈回到同一点的情况，也就是没有环。

环/回路：包含相同的顶点两次或者两次以上。图1-3中的顶点序列$<1,2,4,3,1>$，1出现了两次，当然还有其它的环，比如$<1,4,3,1>$。

简单回路/简单环：除了第一个顶点和最后一个顶点之外，其余顶点不重复出现的回路

无环图：没有环的图，其中，有向无环图有特殊的名称，叫做 DAG(Directed Acyline Graph) （最好记住，DAG具有一些很好性质，比如很多动态规划的问题都可以转化成DAG中的最长路径、最短路径或者路径计数的问题）。

两个连通分支：

连通的：无向图中每一对不同的顶点之间都有路径。如果这个条件在有向图里也成立，那么就是强连通的。

连通分量：无向图中的极大连通子图。

两点强连通：在有向图G中，如果两点互相可达

强连通图：如果有向图G的每两个顶点都强连通（任意两点互相可达），称G是一个强连通图。

强连通分量：非强连通有向图的极大强连通子图，称为强连通分量 (strongly connected components)。

关节点(割点) ：某些特定的顶点对于保持图或连通分支的连通性有特殊的重要意义。如果移除某个顶点将使图或者分支失去连通性，则称该顶点为关节点。（在某图中，若删除顶点V以及V相关的边后，图的一个连通分量分割为两个或两个以上的连通分量，则称顶点V为该图的一个关节点）。

桥(割边) ：和关节点类似，删除一条边，就产生比原图更多的连通分支的子图，这条边就称为割边或者桥。

双连通图：在无向连通图中，如果删除该图的任何一个结点都不能改变该图的连通性，则该图为双连通的无向图。个人理解就是一个双连通图没有割点，没有桥的图。

1.2 一些有趣的图概念

这一部分属于图论的内容，基础图算法不会用到，但是我觉得挺有意思的，小记如下。【这部分我没看，照搬过来了】

同构 4 ：图看起来结构不一样，但它是一样的。假定有$G_1$和$G_2$，那么你只要确认对于$G_1$中的所有的两个相邻点 $a$和$b$，可以通过某种方式$f$映射到$G_2$，映射后的两个点$f(a)$、$f(b)$也是相邻的。换句话说，当两个简单图同构时，两个图的顶点之间保持相邻关系的一一对应。

图1-7就展示了图的同构，这里顶点个数很少判断图的同构很简单。我们可以把v1看成u1，自然我们会把u3看出v3。用数学的语言就是$f(u_1)=v_1$，$f(u_3)=v_3$。u1的另外一个连接是到u2，v1的另外一个连接是到v4，不难从相邻顶点的关系验证$f(u_2)=v_4$，$f(u_4)=v_2$。

欧拉回路(Euler Circuit) ：小学数学课本上的哥尼斯堡七桥问题，能不能从镇里的某个位置出发不重复的经过所有桥(边)并且返回出发点。这也就小学的一笔画问题，欧拉大神解决里这个问题，开创了图论。结论很简单：至少2个顶点的连通多重图存在欧拉回路的充要条件是每个顶点的度都是偶数。证明也很容易，大家有兴趣可以阅读相关资料。结论也很好理解，从某个起点出发，最后要回起点，中间无论路过多少次起点，都会再次离开，进、出的数目必然相等，故一定是偶数。

哈密顿回路(Hamilton Circuit) ：哈密顿回路条件就比欧拉回路严格一点，不能重复经过点。你可能会感到意外，对于欧拉回路，我们可以轻而易举地回答，但是我们却很难解决哈密顿回路问题，实际上它是一个NP完全问题。这个术语源自1857年爱尔兰数学家威廉·罗万·哈密顿爵士发明的智力题。哈密顿的智力题用到了木质十二面体（如图1-8(a)所示，十二面体有12个正五边形表面）、十二面体每个顶点上的钉子、以及细线。十二面体的20个顶点用世界上的不同城市标记。智力题要求从一个城市开始，沿十二面体的边旅行，访问其他19个城市，每个恰好一次，最终回到第一个城市。

因为作者不可能向每位读者提供带钉子和细线的木质十二面体，所以考虑了一个等价的问题：对图1-8(b)的图是否具有恰好经过每个顶点一次的回路？它就是对原题的解，因为这个平面图同构于十二面体顶点和边。

著名的旅行商问题(TSP) 要求旅行商访问一组城市所应当选取的最短路线。这个问题可以归结为求完全图的哈密顿回路，使这个回路的边的权重和尽可能的小。同样，因为这是个NP完全问题，最直截了当的方法就检查所有可能的哈密顿回路，然后选择权重和最小的。当然这样效率几乎难以忍受，时间复杂度高达$O(n!)$。在实际应用中，我们使用的启发式搜索等近似算法，可以完全求解城市数量上万的实例，并且甚至能在误差1%范围内估计上百万个城市的问题。

关于旅行商问题目前的研究进展，可以到 http://www.math.uwaterloo.ca/... 。

1.3 小结

以为可以一带而过，结果写了那么多。也没什么好总结的了，当然这些也至是图论概念的一小部分，还有一些图可能我们以后也会见到，比如顺着图到网络流，就会涉及二分图，不过都很好理解，毕竟有图。

1、数组（邻接矩阵）

2、邻接表

3、十字链表

4、邻接多种表

Nebula Graph数据库学习笔记

Nebula Graph 是一款开源的、分布式的、易扩展的原生图数据库，能够承载数千亿个点和数万亿条边的超大规模数据集，并且提供毫秒级查询。

一、图数据库简介

图数据库是以点、边为基础存储单元，以高效存储、查询图数据为设计原理的数据管理系统。

图数据库的概念：
图：一组点和边的集合，”点“表示实体，”边“表示实体间的关系。

在图数据库中，数据间的关系和数据同样重要，他们被作为数据的一部分存储起来，这样图数据库就能够快速响应复杂的关联查询。

图数据库可以直观地可视化关系，是存储、查询、分析高度互联的最优办法。

图数据库属于非关系型数据库（NoSQL）。图数据库把数据间的关系作为数据的一部分进行存储，关联上可添加标签、方向、属性，这就是图数据库的性能优势所在。

1.1、数据模型

Nebula Graph支持6种基本数据模型：

图空间（Space）

图空间用于隔离不同团队或者项目的数据。不同图空间的数据是相互隔离的，可以指定不同的存储副本数、权限、分片等。

点（Vertex）

点用来保存实体对象，特点如下：
1）点是用点标识符（VID）标识的。VID在同一图空间中唯一。VID 是一个 int64，或者 fixed_string(N)。
2）点可以有多个 Tag。

边（Edge）

边是用来连接点的，表示两个点之间的关系或行为，特点如下：
1）两点之间可以有多条边。
2）边是有方向的，不存在无向边。
3）四元组 <起点 VID、Edge type、边排序值 (rank)、终点 VID> 用于唯一标识一条边。边没有 EID。
4）一条边有且仅有一个 Edge type。
5）一条边有且仅有一个 Rank，类型为 int64，默认值为 0。

标签（Tag）

Tag 由一组事先预定义的属性构成。

边类型（Edge type）

Edge type 由一组事先预定义的属性构成。

属性（Property）

属性是指以键值对（Key-value pair）形式表示的信息。

Tag 和 Edge type 的作用，类似于关系型数据库中“点表”和“边表”的表结构。

1.2、有向属性图

Nebula Graph 使用有向属性图模型，点和边构成的图，这些边是有方向的，点和边都可以有属性。

下表为篮球运动员数据集的结构示例，包括两种类型的点（player、team）和两种类型的边（serve、follow）。

Nebula Graph 中没有无向边，只支持有向边。

1.3、路径

路径是指一个有限或无限的边序列，这些边连接着一系列点。
路径的类型分为三种：walk、trail、path。

walk

walk类型的路径由有限或无限的边序列构成。遍历时点和边可以重复。

由于 C、D、E 构成了一个环，因此该图包含无限个路径

trail

trail类型的路径由有限的边序列构成。遍历时只有点可以重复，边不可以重复。

在 trail 类型中，还有cycle和circuit两种特殊的路径类型:
1、cycle
cycle 是封闭的 trail 类型的路径，遍历时边不可以重复，起点和终点重复，并且没有其他点重复。在此示例图中，最长路径由三条边组成：A->B->C->A或C->D->E->C

2、circuit
circuit 也是封闭的 trail 类型的路径，遍历时边不可以重复，除起点和终点重复外，可能存在其他点重复。在此示例图中，最长路径为：A->B->C->D->E->C->A。

path

path类型的路径由有限的边序列构成。遍历时点和边都不可以重复。
由于点和边都不可以重复，所以该图包含有限个路径，最长路径由 4 条边组成：A->B->C->D->E

1.4、VID

在 Nebula Graph 中，一个点由点的 ID 唯一标识，即 VID 或 Vertex ID。

VID特点：
1）VID 数据类型只可以为定长字符串FIXED_STRING()或INT64；一个图空间只能选用其中一种 VID 类型。
2）VID 在一个图空间中必须唯一，其作用类似于关系型数据库中的主键（索引+唯一约束）
3）点 VID 的生成方式必须由用户自行指定，系统不提供自增 ID 或者 UUID。
4）VID 相同的点，会被认为是同一个点。例如：

VID 相当于一个实体的唯一标号：例如一个人的身份证号。Tag 相当于实体所拥有的类型，例如"滴滴司机"和"老板"。不同的 Tag 又相应定义了两组不同的属性，例如"驾照号、驾龄、接单量、接单小号"和"工号、薪水、债务额度、商务电话"。
同时操作相同 VID 并且相同 Tag 的两条INSERT语句（均无IF NOT EXISTS参数），晚写入的INSERT会覆盖先写入的。
同时操作包含相同 VID 但是两个不同TAG A和TAG B的两条INSERT语句，对TAG A的操作不会影响TAG B。

5）VID 通常会被（LSM-tree 方式）索引并缓存在内存中，因此直接访问 VID 的性能最高。

1.5、Nebula Graph架构

Nebula Graph 由三种服务构成：Graph 服务、Meta 服务和 Storage 服务，是一种存储与计算分离的架构。

每个服务都有可执行的二进制文件和对应进程，用户可以使用这些二进制文件在一个或多个计算机上部署 Nebula Graph 集群。

Meta服务

meta服务负责数据管理，例如 Schema 操作、集群管理和用户权限管理等。

Graph 服务

Graph 服务负责处理计算请求

Storage 服务

Storage 服务负责存储数据

二、Nebula Graph的安装部署

2.1、安装nebula graph

Step1、在mac系统上安装docker

参考：https://zhuanlan.zhihu.com/p/504604050
mac os 版本：12.1
docker版本：20.10.14, build a224086

% docker info
Client:
 Context:    default
 Debug Mode: false
 Plugins:
  buildx: Docker Buildx (Docker Inc., v0.8.2)
  compose: Docker Compose (Docker Inc., v2.5.1)
  sbom: View the packaged-based Software Bill Of Materials (SBOM) for an image (Anchore Inc., 0.6.0)
  scan: Docker Scan (Docker Inc., v0.17.0)

Server:
 Containers: 0
  Running: 0
  Paused: 0
  Stopped: 0
 Images: 0
 Server Version: 20.10.14
 Storage Driver: overlay2
  Backing Filesystem: extfs
  Supports d_type: true
  Native Overlay Diff: true
  userxattr: false
 Logging Driver: json-file
 Cgroup Driver: cgroupfs
 Cgroup Version: 2
 Plugins:
  Volume: local
  Network: bridge host ipvlan macvlan null overlay
  Log: awslogs fluentd gcplogs gelf journald json-file local logentries splunk syslog
 Swarm: inactive
 Runtimes: io.containerd.runc.v2 io.containerd.runtime.v1.linux runc
 Default Runtime: runc
 Init Binary: docker-init
 containerd version: 3df54a852345ae127d1fa3092b95168e4a88e2f8
 runc version: v1.0.3-0-gf46b6ba
 init version: de40ad0
 Security Options:
  seccomp
   Profile: default
  cgroupns
 Kernel Version: 5.10.104-linuxkit
 Operating System: Docker Desktop
 OSType: linux
 Architecture: aarch64
 CPUs: 5
 Total Memory: 7.667GiB
 Name: docker-desktop
 ID: AM6Z:I27L:Z4GP:LQMH:YEIL:T5UD:CVDO:2SN2:6J74:ZIWB:6H4Z:RGS5
 Docker Root Dir: /var/lib/docker
 Debug Mode: false
 HTTP Proxy: http.docker.internal:3128
 HTTPS Proxy: http.docker.internal:3128
 No Proxy: hubproxy.docker.internal
 Registry: https://index.docker.io/v1/
 Labels:
 Experimental: false
 Insecure Registries:
  hubproxy.docker.internal:5000
  127.0.0.0/8
 Live Restore Enabled: false

Step2、配置Docker加速：

修改原配置为新的配置：


  "builder": 
    "gc": 
      "defaultKeepStorage": "20GB",
      "enabled": true
    
  ,
  "experimental": false,
  "features": 
    "buildkit": true
  ,
  "registry-mirrors": [
    "https://hub-mirror.c.163.com/",
    "https://reg-mirror.qiniu.com",
    "https://docker.mirrors.ustc.edu.cn/",
    "https://wh9z3wm8.mirror.aliyuncs.com"
  ]

Step3、Docker网络配置

% docker network create nebula-net
6d9219819496c2aea8d7c8d61fa0edab950965b70ceef7b98cf9156c3ee41c64
peng.shi@H7HT0YWMTC ~ % docker network ls
NETWORK ID     NAME         DRIVER    SCOPE
4451ad142c9a   bridge       bridge    local
5fed9c0933af   host         host      local
6d9219819496   nebula-net   bridge    local
066f578ac097   none         null      local

Step4、安装nebula-graph

1、Git 克隆 nebula-docker-compose 仓库

peng.shi@H7HT0YWMTC ~ % git clone -b master https://github.com/vesoft-inc/nebula-docker-compose.git
Cloning into 'nebula-docker-compose'...
remote: Enumerating objects: 440, done.
remote: Counting objects: 100% (154/154), done.
remote: Compressing objects: 100% (42/42), done.
remote: Total 440 (delta 138), reused 112 (delta 112), pack-reused 286
Receiving objects: 100% (440/440), 143.52 KiB | 296.00 KiB/s, done.
Resolving deltas: 100% (258/258), done.

2、修改 docker-compose.yaml

docker-compose.yaml在刚下载的nebula-docker-compose目录中

在docker-compose.yaml中增加：

external: true

Step4、docker-compose 部署 Nebula（此处需要开VPN，否则下载超时）

docker-compose up -d

peng.shi@H7HT0YWMTC nebula-docker-compose % docker-compose up -d
Pulling metad0 (vesoft/nebula-metad:nightly)...
nightly: Pulling from vesoft/nebula-metad
nightly: Pulling from vesoft/nebula-metad
nightly: Pulling from vesoft/nebula-metad
6717b8ec66cd: Pull complete
fdd65c4c2d5c: Pull complete
733069f6a7fa: Pull complete
4f4fb700ef54: Pull complete
7df18b9cd98f: Pull complete
Digest: sha256:7485b2fd39b02694b7f9edb32d8f0d684afe403f9ff5c330a33e8f36d1255133
Status: Downloaded newer image for vesoft/nebula-metad:nightly
Pulling storaged0 (vesoft/nebula-storaged:nightly)...
nightly: Pulling from vesoft/nebula-storaged
nightly: Pulling from vesoft/nebula-storaged
nightly: Pulling from vesoft/nebula-storaged
6717b8ec66cd: Already exists
f332d3f370bb: Pull complete
cf87f019d5b8: Pull complete
4f4fb700ef54: Pull complete
b5945490aa54: Pull complete
Digest: sha256:c39eed30f41e6ed876b03e6df1d092c349823f20589f3a75c8bd553d7258d576
Status: Downloaded newer image for vesoft/nebula-storaged:nightly
Pulling graphd (vesoft/nebula-graphd:nightly)...
nightly: Pulling from vesoft/nebula-graphd
2d473b07cdd5: Downloading [=============>                                     ]  19.95MB/76.1MB
2d473b07cdd5: Downloading [=======>                                           ]  11.02MB/76.1MB
39a4c7f32b8c: Retrying in 1 second
6fef0e3258c2: Download complete
6de84f84c10e: Downloading [===============================>                   ]  12.85MB/20.61MB
nightly: Pulling from vesoft/nebula-graphd
6717b8ec66cd: Already exists
fe7880d7abed: Pull complete
0d816d217636: Pull complete
4f4fb700ef54: Pull complete
4e16df01237b: Pull complete
Digest: sha256:e7a83d0aef7d7a9188fe6d5740011e0ea9ca6c3b4d69adeaad21653be61bb67f
Status: Downloaded newer image for vesoft/nebula-graphd:nightly
Pulling console (vesoft/nebula-console:nightly)...
nightly: Pulling from vesoft/nebula-console
97518928ae5f: Pull complete
201f3554b694: Pull complete
a7d9596279dc: Pull complete
Digest: sha256:e14bed97d0fd13b0d46bc01ac67fed6759f6387a048e19bbe7974bda068d0203
Status: Downloaded newer image for vesoft/nebula-console:nightly
Creating nebula-docker-compose_metad2_1 ... done
Creating nebula-docker-compose_metad0_1 ... done
Creating nebula-docker-compose_metad1_1 ... done
Creating nebula-docker-compose_storaged0_1 ... done
Creating nebula-docker-compose_storaged2_1 ... done
Creating nebula-docker-compose_storaged1_1 ... done
Creating nebula-docker-compose_graphd_1    ... done
Creating nebula-docker-compose_graphd2_1   ... done
Creating nebula-docker-compose_graphd1_1   ... done
Creating nebula-docker-compose_console_1   ... done

Step5、Nebula Studio安装

1、下载 Nebula Studio 部署配置文件

wget  https://oss-cdn.nebula-graph.com.cn/nebula-graph-studio/3.2.2/nebula-graph-studio-v3.2.2.tar.gz

peng.shi@H7HT0YWMTC nebula-docker-compose % wget  https://oss-cdn.nebula-graph.com.cn/nebula-graph-studio/3.2.2/nebula-graph-studio-v3.2.2.tar.gz
--2022-05-24 12:14:50--  https://oss-cdn.nebula-graph.com.cn/nebula-graph-studio/3.2.2/nebula-graph-studio-v3.2.2.tar.gz
正在解析主机 oss-cdn.nebula-graph.com.cn (oss-cdn.nebula-graph.com.cn)... 124.200.113.113, 124.200.113.110, 124.200.113.114, ...
正在连接 oss-cdn.nebula-graph.com.cn (oss-cdn.nebula-graph.com.cn)|124.200.113.113|:443... 已连接。
已发出 HTTP 请求，正在等待回应... 200 OK
长度：5533480 (5.3M) [application/gzip]
正在保存至: “nebula-graph-studio-v3.2.2.tar.gz”

nebula-graph-studio-v3.2.2.tar.g 100%[=========================================================>]   5.28M  1.50MB/s  用时 4.1s    

2022-05-24 12:14:55 (1.27 MB/s) - 已保存 “nebula-graph-studio-v3.2.2.tar.gz” [5533480/5533480])

2、创建 nebula-graph-studio-v3.2.2 目录，并将安装包解压至目录中

mkdir nebula-graph-studio-v3.2.2 && tar -zxvf nebula-graph-studio-v3.2.2.tar.gz -C nebula-graph-studio-v3.2.2

3、修改 docker-compose.yaml

将原有nebula-web改为nebula-net, 并添加external: true:

version: '3.4'
services:
  web:
    image: vesoft/nebula-graph-studio:v3.2.2
    environment:
      USER: root
      UPLOAD_DIR: $MAPPING_DOCKER_DIR
    ports:
      - 7001:7001
    networks:
      - nebula-net

networks:
  nebula-net:
    external: true

4、构建并启动 Nebula Studio 服务（需要开VPN）

在nebula-graph-studio-v3.2.2 目录下执行：

docker-compose up -d

peng.shi@H7HT0YWMTC nebula-graph-studio-v3.2.2 % docker-compose up -d
WARNING: The MAPPING_DOCKER_DIR variable is not set. Defaulting to a blank string.
Pulling web (vesoft/nebula-graph-studio:v3.2.2)...
v3.2.2: Pulling from vesoft/nebula-graph-studio
59bf1c3509f3: Downloading
bd8aa6907987: Download complete
59bf1c3509f3: Pull complete
bd8aa6907987: Pull complete
79b600fbf12a: Pull complete
9e028fd00ce7: Pull complete
Digest: sha256:ee8e9551a0f10c8e4fe03312131fb53f885dc4a7bf15157e0d500607fbaa1508
Status: Downloaded newer image for vesoft/nebula-graph-studio:v3.2.2
Creating nebula-graph-studio-v322_web_1 ... done

登录本地安装的nebula数据库：http://127.0.0.1:7001/

Host: graphd:9669
用户名：root
密码：nebula

可登录至主界面：

5、Nebula Console 安装 & 访问

下载地址：https://github.com/vesoft-inc/nebula-console/releases

mac系统下载第一个

下载nebula-console-darwin-amd64-v3.0.0后，改名为nebula-console，此文件为二进制文件，在此文件所在路径执行下述命令：

chmod 777 nebula-console

./nebula-console -addr=127.0.0.1  -port 9669 -u root -p nebula

此时如果弹出macOS不信任此nebula-console，则点击问号，在设置->安全与隐私中设置信任后即可。

peng.shi@H7HT0YWMTC Downloads % chmod 777 nebula-console
peng.shi@H7HT0YWMTC Downloads % ./nebula-console -addr=127.0.0.1  -port 9669 -u root -p nebula
zsh: killed     ./nebula-console -addr=127.0.0.1 -port 9669 -u root -p nebula
peng.shi@H7HT0YWMTC Downloads % ./nebula-console -addr=127.0.0.1  -port 9669 -u root -p nebula
zsh: killed     ./nebula-console -addr=127.0.0.1 -port 9669 -u root -p nebula
peng.shi@H7HT0YWMTC Downloads % ./nebula-console -addr=127.0.0.1  -port 9669 -u root -p nebula

Welcome to Nebula Graph!

(root@nebula) [(none)]>

2.2、安装完成后测试验证

通过Nebula Studio 服务访问

接下来就可以使用nebula数据库了。

以上是关于数据结构——图graph（基础概念）的主要内容，如果未能解决你的问题，请参考以下文章

Nebula Graph数据库学习笔记

数据结构与算法图(Graph)详解

图神经网络基础 Graph 图以及python实现

Tensorflow学习：基本概念

数据结构——图graph（基础概念）

Nebula Graph数据库 学习笔记

一、图数据库简介

1.1、数据模型

图空间（Space）

点（Vertex）

边（Edge）

标签（Tag）

边类型（Edge type）

属性（Property）

1.2、有向属性图

1.3、路径

walk

trail

path

1.4、VID

1.5、Nebula Graph架构

Meta服务

Graph 服务

Storage 服务

二、Nebula Graph的安装部署

2.1、安装nebula graph

Step1、在mac系统上安装docker

Step2、配置Docker加速：

Step3、Docker网络配置

Step4、安装nebula-graph

1、Git 克隆 nebula-docker-compose 仓库

2、修改 docker-compose.yaml

Step4、docker-compose 部署 Nebula（此处需要开VPN，否则下载超时）

Step5、Nebula Studio安装

1、下载 Nebula Studio 部署配置文件

2、创建 nebula-graph-studio-v3.2.2 目录，并将安装包解压至目录中

3、修改 docker-compose.yaml

4、构建并启动 Nebula Studio 服务（需要开VPN）

5、Nebula Console 安装 & 访问

2.2、安装完成后测试验证

Nebula Graph数据库学习笔记